摘要:
提出了一种基于语义特征聚合(SFA)的NR-IQA方法,以缓解图像内容变化的影响。具体来说,我们不是调整图像的大小,而是首先在整个扭曲的图像上裁剪多个重叠的面片,以避免引入几何变形。然后,根据自适应层选择过程,利用预训练图像分类模型固有的内容感知特性,提取深层语义特征。然后,使用几种统计结构对局部面片特征进行聚合。最后,训练一个线性回归模型,将聚集的全局特征映射到图像质量分数。
包括四个关键组件:图像表示、特征提取、特征聚合和质量预测。
本文扩展了我们的会议论文,并做了以下区分。1) 一个主要的扩展是,我们设计了新的实验,构建了新的数据集,并定义了新的定量标准来分析图像内容变化的影响。2) 采用了一种新的自适应层选择方法进行特征选择,可以显著提高我们的方法在模拟图像上的性能。3) 我们进行了更多的实验和分析,为此我们提供了关于真实模糊的讨论,报告了统计显著性测